数学

“对数线性建模”一词在１９６９年由Ｂｉｓｈｏｐ与Ｆｉｅｎｂｅｒｇ首次提出，对数线性模型是一种用于离散型数据或整理成列表格式的计数资料的统计分析工具。自从这种模型提出后，相应的建模方法经历了显著的发展，并逐渐成为处理频率数据最为常用的模型之一，对数线性模型尤其适用于多元变量数据分析，可以估计变量间相互作用的大小。本书全面介绍了对数线性模型的基本概念、建模过程及其应用实例，也包含了对数线性模型的最新发展及研究的前沿问题。

"全书分为１７章：１．层级对数线性模型基础；２．列表的效果；３．拟合优度；４．层级 对数模型与比值比分析；５．计算Ｉ－基本对数线性建模，本章主要内容是利用常用的三种计算机程序实现对数线性建模过程；６．设计矩阵方法，在本章向读者介绍利用设计矩阵方法完成对数线性建模；７．参数解释与效果的检验；８．计算ＩＩ-设计矩阵与广义线性回归模型；．非层级与非标准对数线性模型；１０．计算ＩＩＩ-非标准模型；１１．抽样方案与卡方分解（Ｃｈｉｓｑｕａｒｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）；１２．对称模型；１３．评估一致性的对数线性模型；１４．对照的同后性（Ｈｏｍｏｇｅｎｅｉｔｙ ｏｆ Ａｓｓｏｃｉａｔｉｏｎｓ）；１５．对数回归与Ｌｏｇｉｔ模型；１６．简约设计；１７．计算ＩＶ-附加模型。

" 本书第１作者ＡｌｅｘａｎｄｅｒｖｏｎＥｙｅ是密歇根州立大学心理学教授，他在统计学方法、离散数据分析、发展心理学领域出版了２０本专著，并发表了３５０余篇期刊论文。本书第２作者Ｅｕｎ?ＹｏｕｎｇＭｕｎ是罗格斯大学的心理学副教授，主要把广义的潜变量建模的方法推广到集簇式重复测量的纵向数据的研究。

本书致力于向非统计学专家介绍对数线性建模方法，在内容的编写上采取由易入难的方式向读者引入对数线性模型的基本概念与建模方法。

本书适合修习统计学分析的高年级本科生、研究生阅读。日常工作中涉及到数据分析的研究人员，也可将本书作为一本有益的参考资料。

图形结构被用于计算机可以识别的结构信息时，对图形信息进行统计分析就成为可能。生物信息学、分子与系统生物学、理论物理、计算机科学、化学、工程等多个领域都在利用这一特点充分发挥计算机在分析和统计方面的优势。本书的一个重要特点就是将诸如图论、机器学习及统计数据分析之类的理论相互结合，形成一个新领域，以交叉学科的方式探索复杂网络。基因组、蛋白质，信号以及代谢组学数据的大规模生成使得复杂网络的构建成为可能，它为理解生理学以及病理学状态的分子基础提供了一个崭新的框架。网络和基于网络的方法用于生物学中以便表征基因组、遗传机理以及蛋白质信号。疾病被看作关键细胞网络的异常干扰。如今，在对诸如癌症、糖尿病等的复杂疾病的干预中，就使用网络理论来分析。

本书共有１１章：１．重构及划分生物网络计算方法概论；２．复杂网络入门：度量、统计性质及模型；３．进化中的生物网络建模；４．内含动力学的生物网络的模块性配置；５．统计概算机对管理网络大规模因果推理的影响；６．加权频谱分布：网络结构分析的度量；７．进化中的随机二部图的结构；８．图形内核；９．用于早老性痴呆病的基于网络的信息协同分析；１０．结构化数据中基于密度的集合枚举；１１．采用加权图形内核的下位词析取。

本书第１主编是奥地利健康与生命大学生物信息学和转化研究所所长，他在生物信息学、系统生物学和应用离散数学领域发表论文１３０篇。他是Ｗｉｌｅｙ出版的《复杂疾病医学生物统计学》、《复杂网络分析》和《微阵列数据分析》等书的合作编者。

本书可用作应用离散数学、生物信息学、模式识别、计算机科学专业跨学科研究生课程的补充读物，对于这些领域的研究人员和专业人员，也是一本有价值的参考书。

本书对时间序列分析的基础概念和思想做了深入的介绍。作者利用有趣的现实应用和最新版本的软件包，来帮助读者掌握这个主题的技术及方法，以便获取对金融界不断变化的动态特性的较深理解。作者对书中所涉及的理论与应用内容加以平衡，第２版包括了准确反映当前金融时间序列分析的最新内容。新增加的涉及马尔科夫链蒙特卡罗方法的一章介绍了用于时间序列的贝叶斯方法，并且涉及了Ｍｅｔｒｏｐｏｌｉｓ-Ｈａｓｔｉｎｇｓ算法和Ｇｉｂｂｓ采样，还通过一个实例研究了用于理解道•琼斯工业平均指数剧烈波动的技术间的关系。作者提供了统计套利的新说明，内容包括有关配对交易和协整的讨论。除标准主题，如预测和谱分析以外，作者采用现实金融实例来说明非标准技术的最新发展，包括非平稳性、异方差性、多变量时间序列、状态空间建模与随机波动性、多变量ＧＡＲＣＨ、协整及一般趋势。作者对本书内容简洁紧凑的编排使读者易于掌握时间序列的重要概念，所有的实例都借助于Ｓ-Ｐｌｕｓ和Ｐ软件加以系统地说明，强调了金融应用中时间序列的关系。每一章结尾的练习题及有选择的答案使得读者能够对书中提供的资料进行自我测试，在相关网站能找到额外的数据集。

本书共分１６章：１．绪论，基本描述、简单描述技术、变换等；２．概率模型；３．自回归移动平均模型；４．时域中的估计；５．使用Ｓ-Ｐｌｕｓ及Ｒ软件的实例；６．预测；７．谱分析；８．非平稳性；９．异方差性；１０．多变量时间序列；１１．状态空间模型；１２．多变量ＧＡＲＣＨ；１３．协整与一般趋势；１４．马尔科夫链蒙特卡罗方法；１５．统计套利；１６．有选择练习题的答案。

本书作者Ｃｈａｎ博士是香港中文大学统计系主任、教授。他在时间序列、统计金融、计量经济学、风险管理及随机过程领域中发表了大量著作，Ｗｉｌｅｙ出版的《金融风险管理的模拟技术》一书的合作者，他是数理统计学院和美国统计学会的会士。

本书是“Ｗｉｌｅｙ概率与统计丛书”中的一本，可用作大学高年级和研究生低年级有关金融时间序列课程的教科书，也是统计、经济、商业及风险管理领域中与金融数据打交道的专业人员不可或缺的参考书。